《python深度学习》总结与感想

总结

关键网络架构及用法

1.密集型连接网络

二分类问题：层堆叠的最后一层是使用sigmoid的激活并且只有一个单元。使用“binary_crossentropy”作为损失函数

单标签多分类问题：（每个样本只有一个类别）层堆叠的最后一层是Dense层，使用softmax激活，单元个数等于类别个数。如果目标是one-hot编码，使用“categorical-crossentropy”作为损失函数。如果目标是整数（1，2，3，4，5，6），shiyong“sparse-categorical-crossentropy”作为损失函数

多标签多分类问题：（一个样本可以有多个类别）层堆叠的最后一层是一个Dense层，使用Sigmoid激活，其单元个数等于类别数，使用binary-croessentropy作为损失函数，目标应该是k-hot编码（011，111，110等）

回归问题：最后一层是不带激活函数的Dense层（通常只有一个值，比如房价）。有几种损失函数可用于回归问题，例如mean-squared-error（MSE，均方误差），mean-absolute-error（MAE，平均绝对误差）

2.卷积神经网络

卷积层和池化层的堆叠，最后加上一个Flatten层，在连接Dense层，用于分类或回归
深度可分离卷积在不久的将来会代替卷积层

3.循环神经网络(SimpleRNN,SRU,LSTM)

处理时间序列

感想

从入学到现在，自己也学了很多知识，机器学习方面，吴恩达老师的课程，李航的《统计学习方法》，《机器学习实战》，《scikit-learn机器学习》还有一些机器学习的网课以及特征工程的网课。深度学习方面，刚开始学，只看了吴恩达老师的网课以及这本书。目前，感觉自己还是只学到了皮毛，还是要继续努力啊。要学习的东西还很多，之前的学习过程没有记录过，导致现在很多知识都遗忘了，只希望从现在开始将自己的学习之路记录下来。加油吧！